资讯频道 → 行业应用
阅读更多

1顶
0踩

行业应用

原创新闻 饿了么推荐系统：从0到1

2017-01-20 10:41 by 副主编 jihong10102006 评论(0) 有6037人浏览
大数据 模型

声明：ITeye资讯文章的版权属于ITeye网站所有，严禁任何网站转载本文，否则必将追究法律责任！

引用
本文由携程技术中心投递，ID：ctriptech。作者：饿了么数据运营部资深算法工程师陈一村，在携程个性化推荐与人工智能Meetup上的分享。陈一村2016年加入饿了么，现从事大数据挖掘和算法相关工作，包括推荐系统、用户画像等。

随着移动互联网的发展，用户使用习惯日趋碎片化，如何让用户在有限的访问时间里找到想要的产品，成为了搜索/推荐系统演进的重要职责。作为外卖领域的独角兽, 饿了么拥有百万级的日活跃用户，如何利用数据挖掘/机器学习的方法挖掘潜在用户、增加用户粘性，已成为迫切需要解决的问题。

个性化推荐系统通过研究用户的兴趣偏好，进行个性化计算，发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖。

本次分享介绍饿 了么如何从0到1构建一个可快速迭代的推荐系统，从产品形态出发，包括推荐模型与特征工程、日志处理与效果评估，以及更深层次的场景选择和意图识别。

在携程个性化推荐与人工智能meetup上，已经就以上几部分做了整体上的说明，本文将就其中模型排序与特征计算的线上实现做具体说明，同时补充有关业务规则相关的洗牌逻辑说明，力图从细节上还原和展示饿了么美食推荐系统。

一、模型排序

1、设计流程
对于任何一个外部请求, 系统都会构建一个QueryInfo(查询请求), 同时从各种数据源提取UserInfo(用户信息)、ShopInfo(商户信息)、FoodInfo(食物信息)以及ABTest配置信息等, 然后调用Ranker排序。以下是排序的基本流程(如下图所示)：
  • 调取RankerManager, 初始化排序器Ranker：
    • 1.根据ABTest配置信息, 构建排序器Ranker；
    2.调取ScorerManger, 指定所需打分器Scorer(可以多个); 同时, Scorer会从ModelManager获取对应Model, 并校验；
    3.调取FeatureManager, 指定及校验Scorer所需特征Features。
  • 调取InstanceBuilder, 汇总所有打分器Scorer的特征, 计算对应排序项EntityInfo(餐厅/食物)排序所需特征Features；
  • 对EntityInfo进行打分, 并按需对Records进行排序。

这里需要说明的是：任何一个模型Model都必须以打分器Scorer形式展示或者被调用。主要是基于以下几点考虑：
  • 型迭代：比如同一个Model，根据时间、地点、数据抽样等衍生出多个版本Version；
  • 模型参数：比如组合模式(见下一小节)时的权重与轮次设定，模型是否支持并行化等；
  • 特征参数：特征Feature计算参数，比如距离在不同城市具有不同的分段参数。

2、排序逻辑
对于机器学习或者学习排序而言, 多种模型的组合(Bagging, Voting或Boosting等)往往能够带来稳定、有效的预测结果。所以, 针对当前美食推荐项目, 框架结合ABTest系统, 支持single、linear及multi三种组合模式, 具体说明如下：
  • single：单一模式, 仅用一个Scorer进行排序打分；
  • linear：线性加权模式, 指定一系列Scorer以及对应的权重, 加权求和；
  • multi：多轮排序模式, 每轮指定Scorer, 仅对前一轮的top N进行排序。
具体说明如下：
单一模式：rankType=single
对于单一模式, 仅有一个Scorer, 且不存在混合情况, 所以只要简单对Scorer的打分进行排序即可, 故在此不做详细展开。ABTest配置格式如下表：

线性加权模式：rankType=linear

当LinearRanker初始化时, 会校验和初始化所有打分器Scorer。之后, 按照以下步骤对餐厅/食物列表进行排序, 详见下图(左)：
  • 特征计算器InstanceBuilder调用ScorerList, 获取所有所需特征Feature并去重；
  • InstanceBuilder对所有餐厅/食物进行特征计算, 详见特征计算；
  • ScorerList中所有Scorer对所有餐厅/食物依次进行打分；
  • 对所有Scorer打分进行加权求和, 之后排序。

多轮排序模式：rankType=multi
对于多轮排序模式, 每轮设定一个Scorer, 对前一轮top=Num个餐厅/食物进行排序, 故在ABTest中需要设定每个Scorer的轮次(round)和排序数(num), 格式如下表。

MultiRanker初始化与特征计算与LinearRanker类似, 具体步骤详见上图(右)：
  • 特征计算器InstanceBuilder调用ScorerList, 获取所有所需特征Feature并去重；
  • InstanceBuilder对所有餐厅/食物进行特征计算, 详见特征计算；
  • Scorer按轮次(round)对top=Num餐厅/食物进行打分；
  • 对top=Num餐厅/食物按当前Scorer的打分进行排序。
重复步骤3、4, 直到走完所有轮次。

在初始化阶段, Ranker根据ABTest配置信息指定算法版本(algoVersion)、排序类型(rankType)、排序层级(rankLevel)及相关打分器(ScorerList)。

3、模型定义
对于线上任何Model，ModelManager 都会通过以下流程获取相应实例和功能(如下图所示)：
  • 模型实例化时的构造函数BaseModel()和校验函数validate()；
  • 通过FeatureManager获取对应Model的特征Feature：abstract getFieldNames()/getFeatures()；
  • 传入Model的特征, 获取预测分数：abstract predict(Map
对于Model的迭代和更新、以及之后的Online Learning等, 通过ModelManager对接相应服务来实现。

如上图所示, 对于任何一个可被Scorer直接调用Model, 都需要实现以下接口：
  • 可供ModelManager进行Model实例化的BaseModel() 和初始化的init()&#8232；
  • 可供Scorer/InstanceBuilder获取特征项的 getFieldNames()/getFeatures()；
  • 可供Scorer调用进行打分的 predict(Map<K, V> values) 和 predict(List<Map<K, V> values)&#8232。
二、特征计算

1、设计流程
不同于离线模型训练，线上特征计算要求低延迟、高复用、强扩展，具体如下：
  • 低延迟：针对不同请求Query，能够快速计算当前特征值，包括从各种DB、Redis、ES等数据源实时地提取相关数据进行计算；
  • 高复用：对于同类或者相同操作的特征，应该具有高复用性，避免重复开发，比如特征交叉操作、从USER/SHOP提取基本字段等；
  • 强扩展：能够快速、简单地实现特征，低耦合，减少开发成本。
根据以上系统设计要求, 下图给出了特征计算的设计流程和特征基类说明。

具体说明如下：
  • FeatureManager：特征管理器, 用于特征管理, 主要功能如下：
    • a.特征管理：包括自定义特征、基础特征、实时特征、复合特征等；
    b.特征导入：自定义特征静态代码注册，其他特征数据库导入；
    c.特征构建：CompsiteFeature类型特征构建。
  • InstanceBuilder：特征构建器, 用于计算餐厅/食物特征, 具体步骤如下：

    • a.从每个Scorer获取Feature列表, 去重, 依赖计算, 最后初始化；
    b.层级、并行计算每个EntityInfo的特征值(之后会考虑接入ETL, 用于Online Learning)。

2、特征定义
上图给出了特征基类说明, 以下是具体的字段和方法说明：
  • type: 特征类型, 现有query、shop、food, 表示Feature的特征维度
(粒度)
  • operate: CompositeFeature专属, 特征操作, 指定当前特征行为, 比如ADD、MAPGET等
  • name: 特征名称

  • weight: 权重, 简单线性模型参数
  • retType: 特征返回字段类型
  • defValue: 特征默认返回值

  • level: CompositeFeature专属, 当前特征层次, 用于特征层次计算
  • operands: CompositeFeature专属, 特征操作数, 前置特征直接依赖
  • dependencies: CompositeFeature专属, 特征依赖
  • *init(): 特征初始化函数
  • *initOther(QueryInfo): InstanceBuilder调用时实时初始化, 即传入当前特征参数

  • *evaluate(QueryInfo, EntityInfo, StringBuilder): 用于餐厅/食物维度的特征计算

根据上两小节设计流程和基类定义的说明, 我们能够非常快速、简便地实现一个自定义特征, 具体流程如下(score为例, 对应类名XXXFeature)：
特征类实现：
  • 建立XXXFeature, 并继承BaseFeature/CompositeFeature；
  • 实现init(), 设置type\name(defValue\weight可选)等；
  • 实现initOther(), 设置特征参数, 包括infoMap；
  • 实现evaluate(), 具体包括特征计算的详细逻辑, 对于返回数值的特征。
特征注册：
  • 在FeatureManager中注册, 或者在后台特征管理系统中注册；
  • 考虑到代码中不允许出现明文常量, 故需在FeatureConsts中添加常量定义。

3、特征分类
1. 基础特征：
基础特征为线上可以通过配置特征名直接从SHOP/USER获取特征值的特征, 比如：shop_meta_、user_meta_、food_meta_等, 详细说明如下表，其从本质上来讲等同于特征操作符(复合特征)。

2. 实时特征：
实时特征来源于Kafka与Storm的日志实时计算，存于Redis，比如：用户食物搜索与点击信息，实例如下表。

3. 自定义特征：
线上除CompositeFeature特征外, 所有XXXFeature均为自定义特征, 在此不再累述。
4. 复合特征(CompositeFeature)：
用户特征组合的复杂操作, 比如下表所示(部分)


三、洗牌逻辑
1、洗牌类型
很多时候, 基于算法模型的结果能够给出数据层面的最佳结果, 但是不能保证推荐结果符合人的认知, 比如基于CTR预估的逻辑, 在结果推荐上会倾向于用户已点过或已购买过的商户/食物, 这样就使得推荐缺少足够的兴趣面。所以, 为了保证推荐结果与用户的相关性, 我们会保留算法模型的结果; 同时, 为了保证结果符合认知, 我们会人为地添加规则来对结果进行洗牌; 最后, 为了扩展用户兴趣点、引导用户选择, 将会人工地引入非相关商户/食物, 该部分将是我们后续优化点之一。下面将详细介绍“猜你喜欢”模块线上生效的部分洗牌逻辑，其他洗牌规则类似。

餐厅类目洗牌：
考虑到餐厅排序时, 为避免同类目餐厅扎堆问题, 我们设定了餐厅类目洗牌, 基本规则如下：
引用
针对 top = SHOP_CATE_TOPNUM 餐厅, 不允许同类目餐厅连续超过 MAX_SHOP_SHOPCNT。


餐厅推荐食物数洗牌：
在餐厅列表排序时, 总是希望排在前面的商户具有更好的展示效果、更高的质量。针对 1*餐厅+3*食物 模式, 如果前排餐厅食物缺失(少于3个)时, 页面的整体效果就会大打折扣, 所以我们制定了食物数洗牌, 具体规则如下：
引用
所有1个食物的餐厅沉底；
针对top=SHOP_FOODCNT_TOPNUM餐厅, 食物数 < SHOP_FOODCNT_FOODCNT(3) 的餐厅降权

餐厅名称洗牌：
正常时候, 推荐需要扩展和引导用户的兴趣点, 避免同类扎堆, 比如盖浇饭类目餐厅等。同样的, 我们也不希望相同或相似名称的餐厅扎堆, 比如连锁店、振鼎鸡等。针对此问题, 考虑到餐厅名称的不规则性, 我们通过分词和统计, 把所有餐厅名称做了结构化归类(distinct_flag), 比如所有“XXX黄焖鸡”都归为“黄焖鸡”、“星巴克 XX店”归为“星巴克”等。之后类似于餐厅类目洗牌, 做重排, 具体规则如下：
引用
对top=SHOP_FLAG_TOPNUM 餐厅进行标签(flag)洗牌, 使得同一标签的餐厅排序位置差不得小于 SHOP_FLAG_SPAN

2、线上逻辑
从上一节中可知, 各个洗牌之间存在相互制约, 即洗牌不能并行、只能串行, 谁前谁后就会导致不同的排序结果, 所以, 这里需要考虑各个洗牌对排序的影响度和优先级：
  • 影响度：即对原列表的重排力度, 比如对于连锁店少的区域, 名称洗牌的影响度就会小, 反之, 比如公司周边有25家振鼎鸡, 影响度就会变大；
  • 优先级：即洗牌的重要性, 比如前排餐厅如果食物少于规定数量, 其实质是浪费了页面曝光机会, 所以食物数洗牌很有必要。
考虑到洗牌的串行逻辑, 越靠后的洗牌具有更高优先级。为了能够灵活变更线上的洗牌规则, 系统结合Huskar System(线上配置修改系统), 能够快速、便捷地更改洗牌逻辑，下面给出了一个配置实例。 
[
{"name": "recfoods", "topnum": 15, "foodcnt": 3}, 
{"name": "category", "topnum": 15, "shopcnt": 2}, 
{"name": "shopflag", "topnum": 20, "span": 3, "exclude": "XXX"}},
{"name": "recfoods", "topnum": 15, "foodcnt": 3},
{"name": "dinner","topnum":5,"interval": ["10:30~12:30","16:30~18:30"]},
{"name": "mixture","topnum":12, "include": "XXX"}
]


四、总结
对于一个处于业务快速增长期的互联网企业，如何能够在最短时间内构建一个可快速迭代的推荐系统，是摆在眼前的现实问题。此次分享从饿了么自身业务出发，结合推荐系统的常见问题和解决方案，给出了从产品形态出发, 包括推荐模型与特征工程、日志处理与效果评估, 以及更深层次的场景选择和意图识别等在内多方面的线上实践，力图从整体及细节上还原和展示推荐系统的本质，以期能够为大家今后的工作提供帮助。
  • 大小: 87 KB
  • 大小: 4 KB
  • 大小: 4.5 KB
  • 大小: 110.2 KB
  • 大小: 4.7 KB
  • 大小: 103.5 KB
  • 大小: 97.8 KB
  • 大小: 15.8 KB
  • 大小: 9.2 KB
  • 大小: 37.8 KB
1
顶
0
踩
评论 共 0 条 请登录后发表评论

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • 饿了么餐厅订单管理系统分析.pdf

    饿了么餐厅订单管理系统分析.pdf

  • 饿了么推荐系统的从0到1

    随着移动互联网的发展，用户使用习惯日趋碎片化，如何让用户在有限的访问时间里找到想要的产品，成为了搜索/推荐系统演进的重要职责。作为外卖领域的独角兽, 饿了么拥有百万级的日活跃用户，如何利用数据挖掘/机器...

  • 饿了么监控体系：从架构的减法中演进而来

    我差不多是2015年中加入饿了么，主要是负责饿了么整个监控平台的搭建，从0开始搭建这套监控系统。今天主要从以下四块给大家讲一下，整个过程我们遇到了哪些问题，怎么来解决这些问题，以及用怎么样的设计来支撑起这...

  • 从0到1：饿了么风控计数服务是如何炼成的

    引言2017年4月份从饿了么正式进入多活领域开始，也预示着饿了么业务开始迈入下半场，此时风控团队面临着严峻的挑战，风控需要在事前、事中、事后进行全方位的防御.而计数器的业务几乎贯穿了整个风控的需求，规则根据...

  • 饿了么外卖管理系统.zip

    饿了么外卖系统，c++语言编写，包含界面，分为用户端和商户端，支持注册登录可以实现菜单的增加删除，相关功能如下： 1）客户注册：客户通过添加必要的信息到数据库来完成注册。 ​ 2）客户信息修改：客户根据自己...

  • 推荐系统：数据与特征工程

    具体来说，我们会从推荐算法建模的一般流程、推荐系统依赖的数据源介绍、数据处理与特征工程简介、常用推荐算法之数据与特征工程、推荐系统数据与特征工程未来趋势等 5 个部分来介绍相关知识点，期望本章的讲解能够...

  • 饿了么api接口 php,饿了么接口：php

    首先要拿到两个参数consumer_key是对接饿了么开放平台的基本凭证，它代表的是一个品牌或个人实体。该品牌或个人的所有餐厅会关联在此key之下。consumer_secreteleme分配给APP的consumer_key2.制...

  • 饿了么交易系统 5 年演化史

    作者介绍：杨凡，花名挽晴，饿了么高级架构师，2014 年加入饿了么，2018 年随饿了么被阿里巴巴收购一同加入阿里巴巴，4 年团队管理经验，4 年主要从事饿了么交易系统建设，也曾负责过饿了么账号、评价、IM、履约交付...

  • 【SDCC讲师专访】饿了么毕洪宇：小析饿了么大数据平台从无到有到优的架构探索三味境...

    【SDCC讲师专访】阅文集团帅翔：从0到1落地分布式存储系统架构 【SDCC讲师专访】专访架构师薛珂：弹性调度平台Saturn的架构设计 【SDCC讲师专访】饿了么毕洪宇：小析饿了么大数据平台从无到有到优的架构探索三味...

  • 饿了么架构师黄晓路：从单体架构到亿级微服务架构演进实践

    点击“技术领导力”关注∆每天早上8:30推送作为一个互联网创业公司，饿了么从初创到壮大，在移动互联网时代，业务量和技术团队的体量经历了10倍增长，这其中的经历，是互联网领域许多创业公...

  • 2万字雄文：饿了么核心交易系统 5 年演化史！

    回到正题，在 2014 年 12 月~ 2014 年 4 月这几个月的时间里，我配合完成了一个更老的 BD 系统后端迁移到 Walis ，并且在我的导师转岗到 CI 团队后，自己完成了 Walis 从单应用迁移到分布式应用。 订单组的成立 对...

  • 堪比巨著：饿了么交易系统5年演化血泪史

    点击上方“朱小厮的博客”，选择“设为星标”后台回复&#34;书&#34;，获取后台回复“k8s”，可领取k8s资料来源：阿里巴巴中间件作者介绍杨凡，花名挽晴，饿了么高级架构师，2014 年...

  • yolo算法-电线杆数据集-1493张图像带标签-.zip

    yolo算法-电线杆数据集-1493张图像带标签-.zip；yolo算法-电线杆数据集-1493张图像带标签-.zip；yolo算法-电线杆数据集-1493张图像带标签-.zip

  • yolo算法-电线杆数据集-7255张图像带标签-杆顶.zip

    yolo算法-电线杆数据集-7255张图像带标签-杆顶.zip；yolo算法-电线杆数据集-7255张图像带标签-杆顶.zip；yolo算法-电线杆数据集-7255张图像带标签-杆顶.zip；yolo算法-电线杆数据集-7255张图像带标签-杆顶.zip

  • pillow_avif_plugin-1.2.1-cp37-cp37m-win32.whl.rar

    python whl离线安装包 pip安装失败可以尝试使用whl离线安装包安装 第一步 下载whl文件，注意需要与python版本配套 python版本号、32位64位、arm或amd64均有区别 第二步 使用pip install XXXXX.whl 命令安装，如果whl路径不在cmd窗口当前目录下，需要带上路径 WHL文件是以Wheel格式保存的Python安装包， Wheel是Python发行版的标准内置包格式。 在本质上是一个压缩包，WHL文件中包含了Python安装的py文件和元数据，以及经过编译的pyd文件， 这样就使得它可以在不具备编译环境的条件下，安装适合自己python版本的库文件。 如果要查看WHL文件的内容，可以把.whl后缀名改成.zip，使用解压软件（如WinRAR、WinZIP）解压打开即可查看。 为什么会用到whl文件来安装python库文件呢？ 在python的使用过程中，我们免不了要经常通过pip来安装自己所需要的包， 大部分的包基本都能正常安装，但是总会遇到有那么一些包因为各种各样的问题导致安装不了的。 这时我们就可以通过尝试去Python安装包大全中（whl包下载）下载whl包来安装解决问题。

  • 【地震】基于matlab时域有限差分FDTD模拟地震盾构【含Matlab源码 9186期】.mp4

    Matlab领域上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

  • 中国高质量发展指标体系-最新发布.zip

    中国高质量发展指标体系-最新发布.zip

  • 【java毕业设计】班级同学录管理系统源码（ssm+mysql+说明文档）.zip

    环境说明： 开发语言：Java 框架：ssm，mybatis JDK版本：JDK1.8 数据库：mysql 5.7及以上 数据库工具：Navicat11及以上 开发软件：eclipse/idea Maven包：Maven3.3及以上 服务器：tomcat7及以上

  • 【java毕业设计】基于Java的汽车销售系统源码（ssm+mysql+说明文档）.zip

    环境说明： 开发语言：Java 框架：ssm，mybatis JDK版本：JDK1.8 数据库：mysql 5.7及以上 数据库工具：Navicat11及以上 开发软件：eclipse/idea Maven包：Maven3.3及以上 服务器：tomcat7及以上

Global site tag (gtag.js) - Google Analytics